Adjon az AI-nak tiszta szöveget: előbb Markdown legyen a dokumentumból

Kérje meg az AI-asszisztenst, hogy „olvassa el ezt a PDF-et”, és a válaszok gyakran homályosak lesznek. A modell hasábok, élőfejek és tördelési maradékok kásáját kapja. A modellek tiszta, tagolt szövegen dolgoznak a legjobban — és az a formátum, amelyet mind eredendően értenek, a Markdown. A MarkItDown, a Microsoft ingyenes, nyílt forráskódú eszköze (MIT-licenc) szinte mindent átalakít erre: PDF, Word, Excel, PowerPoint, HTML, CSV, JSON, XML, EPub, ZIP-archívum, kép (OCR-rel) és hang (leirattal).

1. Írja össze, mely dokumentumokból válaszol valójában. Árlista, szolgáltatáskatalógus, mintaszerződés, GYIK, tavalyi jelentések. Rendszerint húsz fájl alatt marad.
2. Alakítsa át mindet egy menetben. Egyszer telepít: pip install 'markitdown[all]', utána markitdown arlista.pdf -o arlista.md. Bárki, aki ért hozzá — vagy a kódoló asszisztense — egy délután alatt végez.
3. Ellenőrizze szúrópróbaszerűen. A táblázatok és a szkennelt oldalak minden átalakítót megfognak. Egyszer javítja az .md fájlban, és örökre megmarad.
4. Tartson egy „AI-kész” mappát. Ezeket az .md fájlokat tölti fel, másolja be vagy adja át egy ügynöknek — nem az eredeti PDF-eket.
5. Exportálja újra, ha a forrás változik. Az elavult árlista rosszabb a semminél: az ügynök magabiztosan mondja be a régi árat.

Létezik MCP-kiszolgáló változata is, így az asszisztens maga végzi az átalakítást. A tiszta bemenet a legolcsóbb minőségjavítás: semmibe sem kerül, és minden modell profitál belőle.